Step 3.7 Flash is StepFun's multimodal vision-language model, built on Step 3.5 Flash with an added vision encoder for native image understanding. With a 256k context window, selectable reasoning levels, and high throughput, it targets agentic, coding, and search workflows that mix text and visual input.
معدل التكلفة
0.2x
السياق
262K
تاريخ الإصدار
28 مايو 2026
الإدخال
TextImageVideo
الإخراج
Text
الدعم
الاستدلالاستدعاء الأدواتالمخرجات المُهيكلة
أفضل ما يبرع فيه
الفئات التي يحتل فيها هذا النموذج أعلى المراتب.
لم يتم العثور على فئات ذات ترتيب عالٍ.
الأداء
متوسط زمن الاستجابة والإنتاجية مقاسان عبر الطلبات الأخيرة.
الإنتاجية219 tok/s
زمن الاستجابة2.39s